Продвинутый каркас ИИ-агента: как заменить наивный цикл на DAG, память и верификацию

Базовый цикл ИИ-агента — LLM получает задачу, выбирает инструмент, возвращает результат и повторяет — корректен, но наивен. Как пилот-одиночка в воздушном бою против целой операции. Автор предлагает нарастить вокруг этого цикла инфраструктуру: типизированные инструменты, DAG-планирование, параллельные вылеты, многоуровневую память, верификацию результатов и разделение ролей Planner / Worker / Critic.

Ключевые добавки: многомерные бюджеты (лимиты по токенам, времени, шагам), трассировка каждого вызова и «самописец» для отладки. Всё это соединяется тонким оркестратором, который не заменяет LLM, а организует её работу так, чтобы система оставалась быстрой, безопасной и измеримой.

Материал — вольный перевод статьи Building an Advanced Agentic Harness от Бруно Гонсалвеса, подготовленный командой Островка. Подойдёт всем, кто хочет перевести агента из статуса «демка» в продакшен-grade инструмент.